Machine learning Doc2Vec与Keras

根据Micholov的论文，我想用Keras计算Doc2Vec。我是Keras的新手，所以我需要你的帮助

有一个Id为的文档集，我想得到两个嵌入矩阵：一个用于单词，一个用于段落，不是吗

是否可以修改我的Word2Vec代码以获得这些嵌入

这是我的W2V代码的摘录：

    from keras.models import Sequential

    cbow = Sequential()
    cbow.add(Embedding(input_dim=V, output_dim=dim,input_length=window_size*2))
    cbow.add(Lambda(lambda x: K.mean(x, axis=1), output_shape=(dim,)))
    cbow.add(Dense(V, activation='softmax'))

我应该添加另一个嵌入层来考虑段落id吗？

gensim（）似乎是标准工具，但我同意在Keras中也有一个实现会很有帮助